[論文レビュー] Local-search based approximation algorithms for mobile facility location problems

Sara Ahmadian, Zachary Friggstad+1 more|arXiv (Cornell University)|Jan 6, 2013

Facility Location and Emergency Management参考文献 29被引用数 31

ひとこと要約

本稿では、移動施設配置（MFL）問題に対する、初めての局所探索ベースの近似アルゴリズムを提示する。任意の ε > 0 に対して (3 + ε)-近似を得る。局所探索の移動を誘導するための新しい木構造を導入し、各ステップで施設を目的地に最適に再割り当てすることにより、k-中央値問題の既知の最良近似保証に一致し、o(1)要因までタイトであることを示した。

ABSTRACT

We consider the mobile facility location (MFL) problem. We are given a set of facilities and clients located in a common metric space G = (V, c). The goal is to move each facility from its initial location to a destination (in V) and assign each client to the destination of some facility so as to minimize the sum of the movement-costs of the facilities and the client-assignment costs. This abstracts facility-location settings where one has the flexibility of moving facilities from their current locations to other destinations so as to serve clients more efficiently by reducing their assignment costs.We give the first local-search based approximation algorithm for this problem and achieve the best-known approximation guarantee. Our main result is (3 + e)-approximation for this problem for any constant e > 0 using local search. The previous best guarantee for MFL was an 8-approximation algorithm due to Friggstad and Salavatipour [12] based on LP-rounding. Our guarantee matches the best-known approximation guarantee for the k-median problem. Since there is an approximation-preserving reduction from the k-median problem to MFL, any improvement of our result would imply an analogous improvement for the k-median problem. Furthermore, our analysis is tight (up to o(1) factors) since the tight example for the local-search based 3-approximation algorithm for k-median can be easily adapted to show that our local-search algorithm has a tight approximation ratio of 3. Our results extend to the weighted generalization wherein each facility i has a non-negative weight wi and the movement cost for i is wi times the distance traveled by i.In contrast to the k-median problem, the local search procedure that moves, at each step, a constant number of facilities (to chosen destinations) and assigns each client to the nearest destination, is known to have an unbounded locality gap. Our local-search algorithm is a natural and simple variant, where we only select the destinations of the facilities in each step and optimally rematch the facilities to these destinations (which might entail moving all facilities). One of the chief novelties in the analysis is that in order to generate a suitable collection of local-search moves whose resulting inequalities yield the desired bound on the cost of a local-optimum, we define a tree-like structure that (loosely speaking) functions as a recursion tree, using which we spawn off local-search moves by exploring this tree to a constant depth.

研究の動機と目的

• 施設を再配置することでクライアントの割り当てコストと移動コストを削減できる移動施設配置（MFL）問題に対する、局所探索ベースの近似アルゴリズムを開発すること。
• MFL問題とk-中央値問題の間の近似保証の最良値のギャップを埋めること。k-中央値問題はMFL問題に還元可能であることが知られている。
• 標準的な局所探索（定数個の施設の移動に制限）では局所性ギャップが無限大になり得るという問題を克服し、最適な再割り当てを組み込んだ洗練された局所探索手順を導入すること。
• 施設の移動コストが施設の重みに比例する重み付きMFL変種へのアルゴリズムの拡張。
• 木構造に基づく再帰的構造を用いて適切な局所探索移動の集合を構築することで、近似比のタイトな解析を提供すること。

提案手法

• アルゴリズムは、各ステップで施設の目的地の集合を選択し、少数の施設を移動するのではなく、すべての施設をその目的地に最適に再割り当てする局所探索フレームワークを用いる。
• 局所探索移動の生成を誘導するための新しい木構造を構築し、定数深さまで潜在的な改善を探索する再帰木を模倣する。
• 木構造により、局所最適解のコストを抑えるために用いられるコスト不等式を持つ局所探索移動の集合が作成可能である。
• k-中央値問題の局所探索アルゴリズムにおけるいかなる改善もMFLに適応可能であるという事実を活用し、(3 + ε)-近似比のタイト性を保証する。
• 移動コストを施設の重みでスケーリングすることで、重み付きMFL変種に対しても同様の近似保証を維持する。
• 各イテレーションで移動する施設数を制限せず、代わりに選択された目的地にすべての施設を最適に再割り当てすることで、標準的局所探索の無限大の局所性ギャップを回避する。

実験結果

リサーチクエスチョン

• RQ1 局所探索ベースのアルゴリズムは、移動施設配置問題で最良の既知の近似比を達成できるか？
• RQ2 なぜ標準的局所探索（定数個の施設の移動に制限）はMFLでは失敗するのか？ そして、その問題はどのように是正できるか？
• RQ3 局所探索を用いて、k-中央値問題の近似保証をMFLで達成または改善できるか？
• RQ4 解空間のどのような構造的性質が、MFLにおける局所探索アルゴリズムのタイトな解析を可能にするか？
• RQ5 木構造をどのように用いることで、有界な近似比を達成する効果的な局所探索移動を生成できるか？

主な発見

• 提案された局所探索アルゴリズムは、任意の ε > 0 に対して移動施設配置問題で (3 + ε)-近似を達成し、k-中央値問題の既知の最良近似保証に一致する。
• k-中央値問題の局所探索3-近似のタイト例をMFLに適応可能であるため、アルゴリズムの近似比はo(1)要因までタイトである。
• 各ステップで選択された目的地に施設を完全に再割り当てすることで、標準的局所探索の無限大の局所性ギャップを克服した。
• 解析で用いられた木構造により、コストを抑える不等式を得るための体系的な局所探索移動の生成が可能になった。
• 移動コストを施設の重みでスケーリングすることで、重み付きMFL変種へのアルゴリズムの自然な拡張が可能となり、(3 + ε)-近似保証が維持された。
• もし(3 + ε)-近似を改善できるならば、近似保証を保つ還元により、k-中央値問題に対しても同様の改善が可能である。